Άπληστοι Αλγόριθµοι. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 1
|
|
- Διώνη Ουζουνίδης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Άπληστοι Αλγόριθµοι Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 1
2 Άπληστοι Αλγόριθµοι... για προβλήµατα βελτιστοποίησης: Λειτουργούν σε βήµατα. Κάθε βήµα κάνει µια αµετάκλητη επιλογή για λύση. Άπληστη επιλογή: αυτό που φαίνεται καλύτερο µε βάση τρέχουσα κατάσταση και κάποιο (απλό) κριτήριο. Ίδια στρατηγική στο υποπρόβληµα που προκύπτει. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 1
3 Άπληστοι Αλγόριθµοι... για προβλήµατα βελτιστοποίησης: Λειτουργούν σε βήµατα. Κάθε βήµα κάνει µια αµετάκλητη επιλογή για λύση. Άπληστη επιλογή: αυτό που φαίνεται καλύτερο µε βάση τρέχουσα κατάσταση και κάποιο (απλό) κριτήριο. Ίδια στρατηγική στο υποπρόβληµα που προκύπτει. Πλεονεκτήµατα: Γρήγοροι, απλοί, και «φυσιολογικοί» αλγόριθµοι. Εφαρµόζεται (επιτυχώς) σε πολλά και σηµαντικά προβλήµατα. Μειονεκτήµατα: Βέλτιστη λύση µόνο υπό προϋποθέσεις! Βέλτιστη λύση: απόδειξη ορθότητας (συν. επαγωγή). Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 1
4 Άπληστη Στρατηγική Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 2
5 Άπληστη Στρατηγική Ταξινόµηση συνιστωσών µε βάση κάποιο απλό κριτήριο. (Αµετάκλητη) επιλογή καθορίζει αν «καλύτερη» συνιστώσα θα συµπεριληφθεί στη λύση. Επιλογή µε κάποιον απλό κανόνα. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 2
6 Άπληστη Στρατηγική Ταξινόµηση συνιστωσών µε βάση κάποιο απλό κριτήριο. (Αµετάκλητη) επιλογή καθορίζει αν «καλύτερη» συνιστώσα θα συµπεριληφθεί στη λύση. Επιλογή µε κάποιον απλό κανόνα. Ίδια στρατηγική σε υποπρόβληµα που προκύπτει. Μη-προσαρµοστικός: ίδια ταξινόµηση σε όλα τα βήµατα. Προσαρµοστικός: αλλάζει ταξινόµηση σε κάθε βήµα. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 2
7 Άπληστη Στρατηγική Ταξινόµηση συνιστωσών µε βάση κάποιο απλό κριτήριο. (Αµετάκλητη) επιλογή καθορίζει αν «καλύτερη» συνιστώσα θα συµπεριληφθεί στη λύση. Επιλογή µε κάποιον απλό κανόνα. Ίδια στρατηγική σε υποπρόβληµα που προκύπτει. Μη-προσαρµοστικός: ίδια ταξινόµηση σε όλα τα βήµατα. Προσαρµοστικός: αλλάζει ταξινόµηση σε κάθε βήµα. Χρόνος εκτέλεσης συνήθως καθορίζεται από επιλογή «καλύτερης» συνιστώσας σε κάθε βήµα. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 2
8 Επιλογή Δραστηριοτήτων Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 3
9 Επιλογή Δραστηριοτήτων n δραστηριότητες: αρχή και τέλος (π.χ. µαθήµατα, υπολογιστικές διεργασίες). Επιλογή δραστηριοτήτων χωρίς χρονικές επικαλύψεις και δροµολόγηση σε κοινό πόρο (π.χ. αίθουσα διδασκαλίας, επεξεργαστής). Ζητούµενο: δροµολόγηση µέγιστου #δραστηριοτήτων. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 3
10 Επιλογή Δραστηριοτήτων n δραστηριότητες: αρχή και τέλος (π.χ. µαθήµατα, υπολογιστικές διεργασίες). Επιλογή δραστηριοτήτων χωρίς χρονικές επικαλύψεις και δροµολόγηση σε κοινό πόρο (π.χ. αίθουσα διδασκαλίας, επεξεργαστής). Ζητούµενο: δροµολόγηση µέγιστου #δραστηριοτήτων. Πρόβληµα συνδυαστικής βελτιστοποίησης: Κάθε δροµολόγηση χωρίς επικαλύψεις: εφικτή λύση. Ζητούµενο: εφικτή δροµολόγηση µε µέγιστο #δραστηριοτήτων. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 3
11 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
12 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
13 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
14 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
15 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
16 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
17 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
18 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
19 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
20 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
21 Παράδειγµα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
22 Παράδειγµα Βέλτιστη λύση: 4 δραστηριότητες. Π.χ. {1, 3, 6, 8}, {2, 4, 7, 10}, {1, 4, 7, 10}, Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 4
23 Άπληστος Αλγόριθµος Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 5
24 Άπληστος Αλγόριθµος Κριτήριο άπληστης επιλογής; Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 5
25 Άπληστος Αλγόριθµος Κριτήριο άπληστης επιλογής; Ελάχιστος χρόνος ολοκλήρωσης. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 5
26 Άπληστος Αλγόριθµος Κριτήριο άπληστης επιλογής; Ελάχιστος χρόνος ολοκλήρωσης. Ταξινόµηση σε αύξουσα σειρά χρόνου ολοκλήρωσης. Επόµενη δραστηριότητα: Δροµολογείται αν είναι εφικτό (πόρος είναι ελεύθερος). Αγνοείται αν δροµολόγηση δεν είναι εφικτή. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 5
27 Υλοποίηση Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 6
28 Υλοποίηση Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 6
29 Υλοποίηση Χρόνος Ο(n log n) (ταξινόµηση ως προς χρόνο ολοκλήρωσης). Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 6
30 Υπολογισµός Βέλτιστης Λύσης Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 7
31 Υπολογισµός Βέλτιστης Λύσης Βέλτιστη λύση: απόδειξη ορθότητας (επαγωγή). Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 7
32 Υπολογισµός Βέλτιστης Λύσης Βέλτιστη λύση: απόδειξη ορθότητας (επαγωγή). Βασίζεται σε δύο ιδιότητες (απαραίτητες!): Αρχή βελτιστότητας (βέλτιστες επιµέρους λύσεις): Κάθε τµήµα βέλτιστης λύσης αποτελεί βέλτιστη λύση για αντίστοιχο υποπρόβληµα. π.χ. κάθε τµήµα µιας συντοµότερης διαδροµής είναι συντοµότερη διαδροµή µεταξύ των άκρων του. Χαρακτηριστικό και δυναµικού προγραµµατισµού. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 7
33 Υπολογισµός Βέλτιστης Λύσης Βέλτιστη λύση: απόδειξη ορθότητας (επαγωγή). Βασίζεται σε δύο ιδιότητες (απαραίτητες!): Αρχή βελτιστότητας (βέλτιστες επιµέρους λύσεις): Κάθε τµήµα βέλτιστης λύσης αποτελεί βέλτιστη λύση για αντίστοιχο υποπρόβληµα. π.χ. κάθε τµήµα µιας συντοµότερης διαδροµής είναι συντοµότερη διαδροµή µεταξύ των άκρων του. Χαρακτηριστικό και δυναµικού προγραµµατισµού. Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση που συµφωνεί µε την άπληστη επιλογή που κάνει ο αλγόριθµος.... ή ισοδύναµα: η άπληστη επιλογή µπορεί να οδηγήσει σε βέλτιστη λύση. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 7
34 Ορθότητα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
35 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
36 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
37 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για n 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α µε n δραστ. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
38 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για n 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α µε n δραστ. Αλγ. επιλέγει 1 ( f 1 ) και βέλτιστη λύση Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
39 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για n 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α µε n δραστ. Αλγ. επιλέγει 1 ( f 1 ) και βέλτιστη λύση C * (A) βέλτιστη λύση και j δραστ. C * (A) ολοκληρώνεται πρώτη. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
40 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για n 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α µε n δραστ. Αλγ. επιλέγει 1 ( f 1 ) και βέλτιστη λύση C * (A) βέλτιστη λύση και j δραστ. C * (A) ολοκληρώνεται πρώτη. #δραστηριοτήτων άπληστου αλγ. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
41 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για n 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α µε n δραστ. Αλγ. επιλέγει 1 ( f 1 ) και βέλτιστη λύση C * (A) βέλτιστη λύση και j δραστ. C * (A) ολοκληρώνεται πρώτη. #δραστηριοτήτων άπληστου αλγ. Άπληστη επιλογή: βέλτιστη. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
42 Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουµε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για n 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α µε n δραστ. Αλγ. επιλέγει 1 ( f 1 ) και βέλτιστη λύση C * (A) βέλτιστη λύση και j δραστ. C * (A) ολοκληρώνεται πρώτη. #δραστηριοτήτων άπληστου αλγ. Άπληστη επιλογή: βέλτιστη. Άπληστος αλγόριθµος υπολογίζει βέλτιστη λύση για Α. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 8
43 Ορθότητα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 9
44 Ορθότητα Αποδείξαµε ότι Ιδιότητα άπληστης επιλογής: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 9
45 Ορθότητα Αποδείξαµε ότι Ιδιότητα άπληστης επιλογής: (Άπληστη) επιλογή δραστηριότητας µε ελάχιστο χρόνο ολοκλήρωσης οδηγεί σε συνολικά βέλτιστη λύση. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 9
46 Ορθότητα Αποδείξαµε ότι Ιδιότητα άπληστης επιλογής: (Άπληστη) επιλογή δραστηριότητας µε ελάχιστο χρόνο ολοκλήρωσης οδηγεί σε συνολικά βέλτιστη λύση. Ιδιότητα βέλτιστων επιµέρους λύσεων: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 9
47 Ορθότητα Αποδείξαµε ότι Ιδιότητα άπληστης επιλογής: (Άπληστη) επιλογή δραστηριότητας µε ελάχιστο χρόνο ολοκλήρωσης οδηγεί σε συνολικά βέλτιστη λύση. Ιδιότητα βέλτιστων επιµέρους λύσεων: Βέλτιστη λύση περιέχει βέλτιστη λύση για υποπρόβληµα Α 1 (δραστ. που δεν επικαλύπτονται µε πρώτη). Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 9
48 Χρωµατισµός Διαστηµάτων Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι
49 Χρωµατισµός Διαστηµάτων n διαστήµατα: αρχή και τέλος Χρωµατισµός όλων ώστε επικαλυπτόµενα διαστήµατα να έχουν διαφορετικό χρώµα. Ζητούµενο: χρωµατισµός µε ελάχιστο #χρωµάτων. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι
50 Χρωµατισµός Διαστηµάτων n διαστήµατα: αρχή και τέλος Χρωµατισµός όλων ώστε επικαλυπτόµενα διαστήµατα να έχουν διαφορετικό χρώµα. Ζητούµενο: χρωµατισµός µε ελάχιστο #χρωµάτων. Άπληστος αλγόριθµος: Ταξινόµηση µε χρόνο έναρξης. Κάθε διάστηµα που αρχίζει παίρνει πρώτο διαθέσιµο χρώµα. Κάθε διάστηµα που τελειώνει «απελευθερώνει» το χρώµα του. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι
51 Χρωµατισµός Διαστηµάτων n διαστήµατα: αρχή και τέλος Χρωµατισµός όλων ώστε επικαλυπτόµενα διαστήµατα να έχουν διαφορετικό χρώµα. Ζητούµενο: χρωµατισµός µε ελάχιστο #χρωµάτων. Άπληστος αλγόριθµος: Ταξινόµηση µε χρόνο έναρξης. Κάθε διάστηµα που αρχίζει παίρνει πρώτο διαθέσιµο χρώµα. Κάθε διάστηµα που τελειώνει «απελευθερώνει» το χρώµα του. Χρήση χρώµατος d 2 µόνο αν επικάλυψη d διαστηµάτων. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι
52 Δροµολόγηση Εργασιών Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 11
53 Δροµολόγηση Εργασιών Ένας εξυπηρετητής (π.χ. επεξεργαστής, εκτυπωτής, ταµίας). Σύνολο Ν µε n εργασίες: χρόνο εκτέλεσης (π.χ. υπολογιστικές διεργασίες, εκτυπώσεις, συναλλαγές). Δροµολόγηση για ελαχιστοποίηση συνολικού (ισοδύναµα, µέσου) χρόνου εξυπηρέτησης. t 1 = 8, t 2 = 7, t 3 = 2, t 4 = 5. 1, 2, 3, 4: = 62. 3, 4, 2, 1: = 45. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 11
54 Δροµολόγηση Εργασιών Ένας εξυπηρετητής (π.χ. επεξεργαστής, εκτυπωτής, ταµίας). Σύνολο Ν µε n εργασίες: χρόνο εκτέλεσης (π.χ. υπολογιστικές διεργασίες, εκτυπώσεις, συναλλαγές). Δροµολόγηση για ελαχιστοποίηση συνολικού (ισοδύναµα, µέσου) χρόνου εξυπηρέτησης. t 1 = 8, t 2 = 7, t 3 = 2, t 4 = 5. 1, 2, 3, 4: = 62. 3, 4, 2, 1: = 45. Δροµολόγηση: µετάθεση Χρόνος εξυπηρέτησης i : Συνολικός χρόνος εξυπηρέτησης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 11
55 Άπληστος Αλγόριθµος Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
56 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
57 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
58 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Συνολικός χρόνος εξυπηρέτησης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
59 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Συνολικός χρόνος εξυπηρέτησης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
60 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Συνολικός χρόνος εξυπηρέτησης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
61 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Συνολικός χρόνος εξυπηρέτησης: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
62 Άπληστος Αλγόριθµος Δροµολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Συνολικός χρόνος εξυπηρέτησης: Βέλτιστος γιατί όσο µεγαλύτερος χρόνος εκτέλεσης, τόσο λιγότερες φορές συνεισφέρει στο συνολικό χρόνο εξυπηρέτησης. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 12
63 Ορθότητα: Επιχείρηµα Ανταλλαγής Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 13
64 Ορθότητα: Επιχείρηµα Ανταλλαγής Έστω π * βέλτιστη δροµολόγηση, Τ(π * ) συνολικός χρόνος. λ * (j) : σειρά εργασίας j στη βέλτιστη δροµολόγηση. Έστω π * διαφορετική από άπληστη: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 13
65 Ορθότητα: Επιχείρηµα Ανταλλαγής Έστω π * βέλτιστη δροµολόγηση, Τ(π * ) συνολικός χρόνος. λ * (j) : σειρά εργασίας j στη βέλτιστη δροµολόγηση. Έστω π * διαφορετική από άπληστη: k πρώτη που δροµολογείται αργότερα στην π * : λ * (k) > k j αυτή που δροµολογείται k-οστή στην π * : λ * (j) = k συµφωνούν σε k 1 αρχικές: k < j και Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 13
66 Ορθότητα: Επιχείρηµα Ανταλλαγής Έστω π * βέλτιστη δροµολόγηση, Τ(π * ) συνολικός χρόνος. λ * (j) : σειρά εργασίας j στη βέλτιστη δροµολόγηση. Έστω π * διαφορετική από άπληστη: k πρώτη που δροµολογείται αργότερα στην π * : λ * (k) > k j αυτή που δροµολογείται k-οστή στην π * : λ * (j) = k συµφωνούν σε k 1 αρχικές: k < j και t k και t j στο T(π * ): Ανταλλαγή k και j: (k πηγαίνει στη θέση που έχει στην άπληστη δροµολόγηση). Διαφορά: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 13
67 Ορθότητα: Επιχείρηµα Ανταλλαγής Έστω π * βέλτιστη δροµολόγηση, Τ(π * ) συνολικός χρόνος. λ * (j) : σειρά εργασίας j στη βέλτιστη δροµολόγηση. Έστω π * διαφορετική από άπληστη: k πρώτη που δροµολογείται αργότερα στην π * : λ * (k) > k j αυτή που δροµολογείται k-οστή στην π * : λ * (j) = k συµφωνούν σε k 1 αρχικές: k < j και t k και t j στο T(π * ): Ανταλλαγή k και j: (k πηγαίνει στη θέση που έχει στην άπληστη δροµολόγηση). Διαφορά: Έτσι π * γίνεται ίδια µε άπληστη χωρίς αύξηση χρόνου. Άπληστη δροµολόγηση είναι βέλτιστη. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 13
68 Ιδιότητες Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 14
69 Ιδιότητες Ιδιότητα άπληστης επιλογής: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 14
70 Ιδιότητες Ιδιότητα άπληστης επιλογής: Για κάθε k, βέλτιστη δροµολόγηση π * συµφωνεί µε άπληστη στη σειρά των k πρώτων εργασιών. (Άπληστη) επιλογή συντοµότερης διαθέσιµης βέλτιστη. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 14
71 Ιδιότητες Ιδιότητα άπληστης επιλογής: Για κάθε k, βέλτιστη δροµολόγηση π * συµφωνεί µε άπληστη στη σειρά των k πρώτων εργασιών. (Άπληστη) επιλογή συντοµότερης διαθέσιµης βέλτιστη. Ιδιότητα βέλτιστων επιµέρους λύσεων: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 14
72 Ιδιότητες Ιδιότητα άπληστης επιλογής: Για κάθε k, βέλτιστη δροµολόγηση π * συµφωνεί µε άπληστη στη σειρά των k πρώτων εργασιών. (Άπληστη) επιλογή συντοµότερης διαθέσιµης βέλτιστη. Ιδιότητα βέλτιστων επιµέρους λύσεων:. Αν αγνοήσουµε t 1, π * παραµένει βέλτιστη για υπόλοιπες. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 14
73 Ιδιότητες Ιδιότητα άπληστης επιλογής: Για κάθε k, βέλτιστη δροµολόγηση π * συµφωνεί µε άπληστη στη σειρά των k πρώτων εργασιών. (Άπληστη) επιλογή συντοµότερης διαθέσιµης βέλτιστη. Ιδιότητα βέλτιστων επιµέρους λύσεων:. Αν αγνοήσουµε t 1, π * παραµένει βέλτιστη για υπόλοιπες. Απόδειξη ορθότητας: (επαγωγική) εφαρµογή ιδιότητας άπληστης επιλογής. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 14
74 Πρόβληµα του Περιπτερά Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 15
75 Πρόβληµα του Περιπτερά Κέρµατα αξίας 1, 5, και 20 λεπτών. Ρέστα ποσό x µε ελάχιστο #κερµάτων. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 15
76 Πρόβληµα του Περιπτερά Κέρµατα αξίας 1, 5, και 20 λεπτών. Ρέστα ποσό x µε ελάχιστο #κερµάτων. Αλγόριθµος: Όσο περισσότερα 20λεπτα: Όσο περισσότερα 5λεπτα: Υπόλοιπα 1λεπτα: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 15
77 Πρόβληµα του Περιπτερά Κέρµατα αξίας 1, 5, και 20 λεπτών. Ρέστα ποσό x µε ελάχιστο #κερµάτων. Αλγόριθµος: Όσο περισσότερα 20λεπτα: Όσο περισσότερα 5λεπτα: Υπόλοιπα 1λεπτα: Βέλτιστη λύση χρησιµοποιεί ίδιο #κερµάτων: 20λεπτα: Δεν µπορεί περισσότερα. Βελτιώνεται αν λιγότερα. Αν ίδιο #20λέπτων, τότε ίδιο #5λέπτων. επαγωγή στα πλήθος διαφορετικών κερµάτων. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 15
78 Πρόβληµα του Περιπτερά Κέρµατα αξίας 1, 5, και 20 λεπτών. Ρέστα ποσό x µε ελάχιστο #κερµάτων. Αλγόριθµος: Όσο περισσότερα 20λεπτα: Όσο περισσότερα 5λεπτα: Υπόλοιπα 1λεπτα: Βέλτιστη λύση χρησιµοποιεί ίδιο #κερµάτων: 20λεπτα: Δεν µπορεί περισσότερα. Βελτιώνεται αν λιγότερα. Αν ίδιο #20λέπτων, τότε ίδιο #5λέπτων. επαγωγή στα πλήθος διαφορετικών κερµάτων. Δουλεύει αλγόριθµος αν κέρµατα 1, 12, και 20 λεπτών; Π.χ. ρέστα 24 λεπτά. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 15
79 Κλασµατικό Πρόβληµα Σακιδίου Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 16
80 Κλασµατικό Πρόβληµα Σακιδίου Δίνονται n είδη και ένα σακίδιο µεγέθους Β. Είδος i διαθέσιµο σε ποσότητα s i µε αξία p i : Είδος i µπορεί να συµπεριληφθεί στο σακίδιο σε οποιοδήποτε ποσοστό. Ζητείται συλλογή µέγιστης αξίας που χωράει στο σακίδιο. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 16
81 Κλασµατικό Πρόβληµα Σακιδίου Δίνονται n είδη και ένα σακίδιο µεγέθους Β. Είδος i διαθέσιµο σε ποσότητα s i µε αξία p i : Είδος i µπορεί να συµπεριληφθεί στο σακίδιο σε οποιοδήποτε ποσοστό. Ζητείται συλλογή µέγιστης αξίας που χωράει στο σακίδιο. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 16
82 Κλασµατικό Πρόβληµα Σακιδίου Δίνονται n είδη και ένα σακίδιο µεγέθους Β. Είδος i διαθέσιµο σε ποσότητα s i µε αξία p i : Είδος i µπορεί να συµπεριληφθεί στο σακίδιο σε οποιοδήποτε ποσοστό. Ζητείται συλλογή µέγιστης αξίας που χωράει στο σακίδιο. Είδη: { (3, 5), (2, 7), (4, 4), (6, 8), (5, 4) } Μέγεθος σακιδίου: 10. Βέλτιστη λύση = { 1 (3, 5), 1 (2, 7), (5/6) (6, 8) } Βέλτιστη αξία = (5/6) 8 = Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 16
83 Κλασµατικό Πρόβληµα Σακιδίου Δίνονται n είδη και ένα σακίδιο µεγέθους Β. Είδος i διαθέσιµο σε ποσότητα s i µε αξία p i : Είδος i µπορεί να συµπεριληφθεί στο σακίδιο σε οποιοδήποτε ποσοστό. Ζητείται συλλογή µέγιστης αξίας που χωράει στο σακίδιο. Είδη: { (3, 5), (2, 7), (4, 4), (6, 8), (5, 4) } Μέγεθος σακιδίου: 10. Βέλτιστη λύση = { 1 (3, 5), 1 (2, 7), (5/6) (6, 8) } Βέλτιστη αξία = (5/6) 8 = Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 16
84 Άπληστος Αλγόριθµος Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 17
85 Άπληστος Αλγόριθµος Είδη N = {1,, n}, σακίδιο µεγέθους Β. Βέλτιστη λύση Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 17
86 Άπληστος Αλγόριθµος Είδη N = {1,, n}, σακίδιο µεγέθους Β. Βέλτιστη λύση Βέλτιστες Επιµέρους Λύσεις. Αγνοούµε είδος i :. βέλτιστη λύση για Ν \ { i } µε σακίδιο Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 17
87 Άπληστος Αλγόριθµος Είδη N = {1,, n}, σακίδιο µεγέθους Β. Βέλτιστη λύση Βέλτιστες Επιµέρους Λύσεις. Αγνοούµε είδος i :. βέλτιστη λύση για Ν \ { i } µε σακίδιο Είδος i : (αξία / µονάδα µεγέθους) Είδη σε φθίνουσα σειρά r i : Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 17
88 Άπληστος Αλγόριθµος Είδη N = {1,, n}, σακίδιο µεγέθους Β. Βέλτιστη λύση Βέλτιστες Επιµέρους Λύσεις. Αγνοούµε είδος i :. βέλτιστη λύση για Ν \ { i } µε σακίδιο Είδος i : (αξία / µονάδα µεγέθους) Είδη σε φθίνουσα σειρά r i : Όσο περισσότερο από i χωράει στο (διαθέσιµο) σακίδιο. Αναπροσαρµογή διαθέσιµου σακιδίου και επόµενο είδος. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 17
89 Υλοποίηση Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 18
90 Υλοποίηση Χρόνος Ο(n log n) (ταξινόµηση ως προς λόγο αξίας / µέγεθος). Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 18
91 Άπληστη Επιλογή Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 19
92 Άπληστη Επιλογή Έστω βέλτιστη λύση Έστω άπληστη λύση Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 19
93 Άπληστη Επιλογή Έστω βέλτιστη λύση Έστω άπληστη λύση Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 19
94 Άπληστη Επιλογή Έστω βέλτιστη λύση Έστω άπληστη λύση Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση: Απληστία: καµία λύση µε περισσότερο από είδος 1. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 19
95 Άπληστη Επιλογή Έστω βέλτιστη λύση Έστω άπληστη λύση Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση: Απληστία: καµία λύση µε περισσότερο από είδος 1. Αν βέλτιστη, αντικαθιστούµε µονάδες άλλου είδους (ή κενού) µε είδος 1: Αποδεκτή λύση γιατί Αξία δεν µειώνεται. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 19
96 Άπληστη Επιλογή Έστω βέλτιστη λύση Έστω άπληστη λύση Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση: Απληστία: καµία λύση µε περισσότερο από είδος 1. Αν βέλτιστη, αντικαθιστούµε µονάδες άλλου είδους (ή κενού) µε είδος 1: Αποδεκτή λύση γιατί Αξία δεν µειώνεται. Απόδειξη ορθότητας µε επαγωγική εφαρµογή ιδιότητας άπληστης επιλογής. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 19
97 Ορθότητα Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
98 Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
99 Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Επαγωγική υπόθεση: ειδών n 1, άπληστη = βέλτιστη. Θεωρούµε n είδη. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
100 Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Επαγωγική υπόθεση: ειδών n 1, άπληστη = βέλτιστη. Θεωρούµε n είδη. Άπληστη επιλογή: Στιγµιότυπο µε n 1 είδη και σακίδιο Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
101 Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Επαγωγική υπόθεση: ειδών n 1, άπληστη = βέλτιστη. Θεωρούµε n είδη. Άπληστη επιλογή: Στιγµιότυπο µε n 1 είδη και σακίδιο Επαγωγική υπόθεση: βέλτιστη λύση. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
102 Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Επαγωγική υπόθεση: ειδών n 1, άπληστη = βέλτιστη. Θεωρούµε n είδη. Άπληστη επιλογή: Στιγµιότυπο µε n 1 είδη και σακίδιο Επαγωγική υπόθεση: βέλτιστη λύση. Συνολικά για n είδη: Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
103 Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Επαγωγική υπόθεση: ειδών n 1, άπληστη = βέλτιστη. Θεωρούµε n είδη. Άπληστη επιλογή: Στιγµιότυπο µε n 1 είδη και σακίδιο Επαγωγική υπόθεση: βέλτιστη λύση. Συνολικά για n είδη: Άπληστος αλγόριθµος υπολογίζει βέλτιστη λύση. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 20
104 Άπληστη Στρατηγική Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 21
105 Άπληστη Στρατηγική Ταξινόµηση συνιστωσών µε βάση κάποιο κριτήριο (π.χ. σακίδιο: είδη σε φθίνουσα σειρά αξία / µέγεθος). (Αµετάκλητη) επιλογή καθορίζει αν «καλύτερη» (βλ. «επόµενη») συνιστώσα θα συµπεριληφθεί στη λύση. Ίδια στρατηγική σε υπο-πρόβληµα που προκύπτει. Μη-προσαρµοστικός: ίδια ταξινόµηση σε όλα τα βήµατα. Προσαρµοστικός: αλλάζει ταξινόµηση σε κάθε βήµα. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 21
106 Άπληστη Στρατηγική Ταξινόµηση συνιστωσών µε βάση κάποιο κριτήριο (π.χ. σακίδιο: είδη σε φθίνουσα σειρά αξία / µέγεθος). (Αµετάκλητη) επιλογή καθορίζει αν «καλύτερη» (βλ. «επόµενη») συνιστώσα θα συµπεριληφθεί στη λύση. Ίδια στρατηγική σε υπο-πρόβληµα που προκύπτει. Μη-προσαρµοστικός: ίδια ταξινόµηση σε όλα τα βήµατα. Προσαρµοστικός: αλλάζει ταξινόµηση σε κάθε βήµα. Χρόνος εκτέλεσης καθορίζεται από χρόνο ταξινόµησης. Βέλτιστη λύση: απόδειξη ορθότητας (συνήθ. επαγωγή). Ιδιότητα άπληστης επιλογής. Αρχή βελτιστότητας (βέλτιστες επιµέρους λύσεις). Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Άπληστοι Αλγόριθµοι 21
Άπληστοι Αλγόριθμοι. Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις: Α. Παγουρτζής. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Άπληστοι Αλγόριθμοι Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άπληστοι Αλγόριθμοι... για προβλήματα
Διαβάστε περισσότεραΆπληστοι Αλγόριθμοι. ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Άπληστοι Αλγόριθμοι ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άπληστοι Αλγόριθμοι... για προβλήματα
Διαβάστε περισσότεραΆπληστοι Αλγόριθμοι. ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Άπληστοι Αλγόριθμοι ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άπληστοι Αλγόριθμοι... για προβλήματα
Διαβάστε περισσότεραΔιωνυµικοί Συντελεστές. Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Δυναµικός Προγραµµατισµός 1
Διωνυµικοί Συντελεστές Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Δυναµικός Προγραµµατισµός 1 Διωνυµικοί Συντελεστές Διωνυµικοί συντελεστές Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Δυναµικός Προγραµµατισµός
Διαβάστε περισσότεραυναμικός Προγραμματισμός
υναμικός Προγραμματισμός ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο ιωνυμικοί Συντελεστές ιωνυμικοί
Διαβάστε περισσότεραΔυναμικός Προγραμματισμός
Δυναμικός Προγραμματισμός Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Διωνυμικοί Συντελεστές Διωνυμικοί
Διαβάστε περισσότεραυναμικός Προγραμματισμός
υναμικός Προγραμματισμός ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο ιωνυμικοί Συντελεστές ιωνυμικοί
Διαβάστε περισσότεραΔυναμικός Προγραμματισμός
Τρίγωνο του Pascal Δυναμικός Προγραμματισμός Διωνυμικοί συντελεστές Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο
Διαβάστε περισσότεραυναμικός Προγραμματισμός
υναμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο ιακριτό Πρόβλημα Σακιδίου ίνονται n αντικείμενα και σακίδιο μεγέθους Β. Αντικείμενο
Διαβάστε περισσότεραΔυναμικός Προγραμματισμός
Δυναμικός Προγραμματισμός Επιμέλεια διαφανειών: Δ. Φωτάκης Τροποποιήσεις /προσθήκες: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Διωνυμικοί Συντελεστές
Διαβάστε περισσότεραΆπληστοι Αλγόριθµοι (CLR, κεφάλαιο 17)
Άπληστοι Αλγόριθµοι (CLR, κεφάλαιο 17) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Σχεδιασµός αλγορίθµων µε Άπληστους Αλγόριθµους Στοιχεία άπληστων αλγορίθµων Το πρόβληµα επιλογής εργασιών ΕΠΛ 232
Διαβάστε περισσότεραΥπολογιστικό Πρόβληµα
Υπολογιστικό Πρόβληµα Μετασχηµατισµός δεδοµένων εισόδου σε δεδοµένα εξόδου. Δοµή δεδοµένων εισόδου (έγκυρο στιγµιότυπο). Δοµή και ιδιότητες δεδοµένων εξόδου (απάντηση ή λύση). Τυπικά: διµελής σχέση στις
Διαβάστε περισσότεραΑλγόριθμοι και Πολυπλοκότητα
7ο εξάμηνο Σ.Η.Μ.Μ.Υ. & Σ.Ε.Μ.Φ.Ε. http://www.corelab.ece.ntua.gr/courses/ 4η εβδομάδα: Εύρεση k-οστού Μικρότερου Στοιχείου, Master Theorem, Τεχνική Greedy: Knapsack, Minimum Spanning Tree, Shortest Paths
Διαβάστε περισσότεραΣυντομότερες ιαδρομές
Συντομότερες ιαδρομές ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συντομότερη ιαδρομή Κατευθυνόμενο G(V, E, w) με μήκη Μήκος διαδρομής Απόσταση d(u,
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 28 Μαΐου 2015 1 / 45 Εισαγωγή Ο δυναµικός
Διαβάστε περισσότεραΣυντομότερες ιαδρομές
Συντομότερες ιαδρομές ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΕισαγωγικές Έννοιες. ημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο
Εισαγωγικές Έννοιες ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραγια NP-Δύσκολα Προβλήματα
Προσεγγιστικοί Αλγόριθμοι για NP-Δύσκολα Προβλήματα Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο
Διαβάστε περισσότεραΣυντομότερες Διαδρομές
Συντομότερη Διαδρομή Συντομότερες Διαδρομές Διδάσκοντες: Σ Ζάχος, Δ Φωτάκης Επιμέλεια διαφανειών: Δ Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Κατευθυνόμενο G(V, E, w) με μήκη Μήκος
Διαβάστε περισσότεραΑλγόριθµοι. Παράδειγµα. ιαίρει και Βασίλευε. Παράδειγµα MergeSort. Τεχνικές Σχεδιασµού Αλγορίθµων
Τεχνικές Σχεδιασµού Αλγορίθµων Αλγόριθµοι Παύλος Εφραιµίδης pefraimi@ee.duth.gr Ορισµένες γενικές αρχές για τον σχεδιασµό αλγορίθµων είναι: ιαίρει και Βασίλευε (Divide and Conquer) υναµικός Προγραµµατισµός
Διαβάστε περισσότεραΣυντομότερες ιαδρομές
Συντομότερες ιαδρομές ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΑλγοριθμικές Τεχνικές
Αλγοριθμικές Τεχνικές Παύλος Εφραιμίδης, Λέκτορας http://pericles.ee.duth.gr Αλγοριθμικές Τεχνικές 1 Τεχνικές Σχεδιασμού Αλγορίθμων Ορισμένες γενικές αρχές για τον σχεδιασμό αλγορίθμων είναι: Διαίρει και
Διαβάστε περισσότεραΑλγόριθμοι και πολυπλοκότητα Δυναμικός Προγραμματισμός
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Δυναμικός Προγραμματισμός Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Δυναμικός Προγραμματισμός Δυναμικός Προγραμματισμός 1 Περίληψη
Διαβάστε περισσότεραΕισαγωγή στους Αλγορίθμους Ενότητα 8η
Εισαγωγή στους Αλγορίθμους Ενότητα 8η Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άπληστοι Αλγόριθμοι Χρονοπρογραμματισμός
Διαβάστε περισσότεραΚεφάλαιο 4. Άπληστοι Αλγόριθµοι (Greedy Algorithms) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 4 Άπληστοι Αλγόριθµοι (Greedy Algorithms) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 4.1 Χρονοπρογραµµατισµός Διαστηµάτων Χρονοπρογραµµατισµός Διαστηµάτων Το πρόβληµα.
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ
ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/inf161/ Άνοιξη 2016 - I. ΜΗΛΗΣ ΑΠΛΗΣΤΟΙ ΑΛΓΟΡΙΘΜΟΙ Greedy Algorithms 1 Greedy algorithms H βασική ιδέα: Άρχισε από ένα υπο-πρόβλημα μικρού μεγέθους Επαναληπτικά,
Διαβάστε περισσότεραΣυντομότερες Διαδρομές
Συντομότερες Διαδρομές Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Συντομότερη Διαδρομή Κατευθυνόμενο G(V, E, w) με μήκη Μήκος διαδρομής
Διαβάστε περισσότεραΑλγοριθμικές Τεχνικές. Brute Force. Διαίρει και Βασίλευε. Παράδειγμα MergeSort. Παράδειγμα. Τεχνικές Σχεδιασμού Αλγορίθμων
Τεχνικές Σχεδιασμού Αλγορίθμων Αλγοριθμικές Τεχνικές Παύλος Εφραιμίδης, Λέκτορας http://pericles.ee.duth.gr Ορισμένες γενικές αρχές για τον σχεδιασμό αλγορίθμων είναι: Διαίρει και Βασίλευε (Divide and
Διαβάστε περισσότεραΠροσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα
Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια
Διαβάστε περισσότεραΕισαγωγή στους Αλγορίθμους Ενότητα 11η
Εισαγωγή στους Αλγορίθμους Ενότητα 11η Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Δυναμικός Προγραμματισμός Σταθμισμένος Χρονοπρογραμματισμός
Διαβάστε περισσότεραΑλγόριθμοι και πολυπλοκότητα Η Άπληστη Μέθοδος
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Η Άπληστη Μέθοδος Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Η Άπληστη Μέθοδος Η Άπληστη Μέθοδος 1 Κύρια Σημεία και Διάβασμα Η Άπληστη
Διαβάστε περισσότεραΤεχνικές Σχεδιασμού Αλγορίθμων
Τεχνικές Σχεδιασμού Αλγορίθμων Διαίρει και Βασίλευε Δυναμικός Προγραμματισμός Απληστία Π. Μποζάνης ΤHMMY - Αλγόριθμοι 2014-2015 1 Διαίρει και Βασίλευε Βασικά Βήματα Διαίρει: Κατάτμηση του αρχικού προβλήματος
Διαβάστε περισσότεραΠροσεγγιστικοί Αλγόριθμοι
Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. http://xkcd.com/287/ Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. Πως μπορούμε να αντιμετωπίσουμε το γεγονός ότι είναι απίθανη(;)
Διαβάστε περισσότεραΕλάχιστο Συνδετικό Δέντρο
Ελάχιστο Συνδετικό Δέντρο Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Ελάχιστο Συνδετικό Δέντρο
Διαβάστε περισσότεραΕλάχιστο Συνδετικό Δέντρο
Ελάχιστο Συνδετικό Δέντρο Δημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Ελάχιστο Συνδετικό Δέντρο (MST) Συνεκτικό μη-κατευθ. G(V, E, w) με βάρη Βάρος
Διαβάστε περισσότεραΕλάχιστο Συνδετικό έντρο
Ελάχιστο Συνδετικό έντρο ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Ελάχιστο Συνδετικό έντρο (MST) Συνεκτικό μη-κατευθ. G(V, E, w) με βάρη Βάρος
Διαβάστε περισσότεραΕλάχιστο Συνδετικό Δέντρο
Ελάχιστο Συνδετικό Δέντρο Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Ελάχιστο Συνδετικό Δέντρο
Διαβάστε περισσότεραΕισαγωγή στους Αλγόριθµους. Αλγόριθµοι. Ιστορικά Στοιχεία. Ο πρώτος Αλγόριθµος. Παραδείγµατα Αλγορίθµων. Τι είναι Αλγόριθµος
Εισαγωγή στους Αλγόριθµους Αλγόριθµοι Τι είναι αλγόριθµος; Τι µπορεί να υπολογίσει ένας αλγόριθµος; Πως αξιολογείται ένας αλγόριθµος; Παύλος Εφραιµίδης pefraimi@ee.duth.gr Αλγόριθµοι Εισαγωγικές Έννοιες
Διαβάστε περισσότεραΑλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα
Αλγόριθμοι Προσέγγισης για NP-Δύσκολα Προβλήματα Διδάσκοντες: E. Ζάχος, Α. Παγουρτζής Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο
Διαβάστε περισσότεραOutline. 6 Edit Distance
Αλγόριθμοι και Πολυπλοκότητα Άπληστοι Αλγόριθμοι και Δυναμικός Προγραμματισμός Ασκήσεις CoReLab ΣΗΜΜΥ - Ε.Μ.Π. 16 Νοεμβρίου 216 (CoReLab - NTUA) Αλγόριθμοι - Ασκήσεις 16 Νοεμβρίου 216 1 / 52 Outline 1
Διαβάστε περισσότεραI 1 I 2 I 3 I 4 I 5 I 6 I 7 I 8 I 9 I 10 I 11
Αλγόριθμοι και Πολυπλοκότητα 2η Σειρά Γραπτών και Προγραμματιστικών Ασκήσεων CoReLab ΣΗΜΜΥ - Ε.Μ.Π. Δεκέμβριος 2018 (CoReLab - NTUA) Αλγόριθμοι - 2η σειρά ασκήσεων Δεκέμβριος 2018 1 / 64 Outline 1 Άσκηση
Διαβάστε περισσότεραΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX
ΚΕΦΑΛΑΙΟ 3 ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX 3.1 Εισαγωγή Ο αλγόριθμος Simplex θεωρείται πλέον ως ένας κλασικός αλγόριθμος για την επίλυση γραμμικών προβλημάτων. Η πρακτική αποτελεσματικότητά του έχει
Διαβάστε περισσότερα2η Σειρά Γραπτών Ασκήσεων
2η Σειρά Γραπτών Ασκήσεων Αλγόριθμοι και Πολυπλοκότητα ΣΗΜΜΥ, Εθνικό Μετσόβιο Πολυτεχνείο 1/23 1 Κλειδιά και κλειδαριές 2 Puzzle 3 Διαστημικές Μάχες 4 Κεραίες 5 Εργοστάσιο Ποτηριών 2/23 Κλειδιά και κλειδαριές
Διαβάστε περισσότεραΕλάχιστο Συνδετικό έντρο
Ελάχιστο Συνδετικό έντρο ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΕισαγωγή στους Αλγορίθμους Ενότητα 8η
Εισαγωγή στους Αλγορίθμους Ενότητα 8η Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραΠροσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα
Προσεγγιστικοί Αλγόριθμοι για NP- ύσκολα Προβλήματα ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Αντιμετώπιση NP- υσκολίας Αν P NP, όχι αλγόριθμος
Διαβάστε περισσότεραΔομές Δεδομένων & Αλγόριθμοι
Θέματα Απόδοσης Αλγορίθμων 1 Η Ανάγκη για Δομές Δεδομένων Οι δομές δεδομένων οργανώνουν τα δεδομένα πιο αποδοτικά προγράμματα Πιο ισχυροί υπολογιστές πιο σύνθετες εφαρμογές Οι πιο σύνθετες εφαρμογές απαιτούν
Διαβάστε περισσότεραέντρα ιδάσκοντες:. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο
έντρα ιδάσκοντες:. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο έντρα έντρο: πρότυπο ιεραρχικής δομής. Αναπαράσταση
Διαβάστε περισσότεραο ρόλος των αλγορίθμων στις υπολογιστικές διαδικασίες Παύλος Εφραιμίδης Δομές Δεδομένων και Αλγόριθμοι
Παύλος Εφραιμίδης 1 περιεχόμενα αλγόριθμοι τεχνολογία αλγορίθμων 2 αλγόριθμοι αλγόριθμος: οποιαδήποτε καλά ορισμένη υπολογιστική διαδικασία που δέχεται κάποια τιμή ή κάποιο σύνολο τιμών, και δίνεικάποιατιμήήκάποιοσύνολοτιμώνως
Διαβάστε περισσότεραΑσυμπτωτικός Συμβολισμός
Ασυμπτωτικός Συμβολισμός Επιμέλεια διαφανειών: Δημήτρης Φωτάκης (λίγες προσθήκες: Άρης Παγουρτζής) Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Υπολογιστική Πολυπλοκότητα
Διαβάστε περισσότεραιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
έντρα ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο έντρα έντρο: πρότυπο ιεραρχικής δομής.
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ
ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/inf161/ Άνοιξη 2017 - I. ΜΗΛΗΣ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Knapsack problems ΑΛΓΟΡΙΘΜΟΙ - ΑΝΟΙΞΗ 2017 - Ι. ΜΗΛΗΣ 10 DP III 1 Knapsack problems ΕΙΣΟΔΟΣ: Σακίδιο χωρητικότητας
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ενότητα 5 υναµικός Προγραµµατισµός Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αλγόριθµοι και Πολυπλοκότητα - Ενότητα 5 1 / 49 Εισαγωγή
Διαβάστε περισσότεραπεριεχόμενα υπολογιστικό πρόβλημα αλγόριθμοι παράδειγμα ταξινόμησης ταξινόμηση αλγόριθμοι τεχνολογία αλγορίθμων Παύλος Εφραιμίδης
περιεχόμενα αλγόριθμοι τεχνολογία αλγορίθμων Παύλος Εφραιμίδης 1 2 αλγόριθμοι αλγόριθμος: οποιαδήποτε καλά ορισμένη υπολογιστική διαδικασία που δέχεταικάποιατιμήήκάποιοσύνολοτιμών, και δίνει κάποια τιμή
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 28 Μαΐου 2015 1 / 17 Μέγιστη Κοινή Υπακολουθία
Διαβάστε περισσότεραΕλάχιστο Γεννητικό Δένδρο. Παράδειγμα - Αλγόριθμος Prim. Γιατί δουλεύουν αυτοί οι αλγόριθμοι;
Άπληστοι Αλγόριθμοι ΙΙI Αλγόριθμοι γραφημάτων Ελάχιστο Γεννητικό Δένδρο Παράδειγμα Κατασκευή δικτύων Οδικά, επικοινωνίας Έχουμε ένα συνεκτικό γράφημα (V,E) και ένας βάρος we σε κάθε ακμή e. Να βρεθεί υποσύνολο
Διαβάστε περισσότεραΔρομολόγηση Και Πολύχρωματισμός. Γραφημάτων ΚΑΡΑΓΕΩΡΓΟΣ ΤΙΜΟΘΕΟΣ Α.Μ 1026
Δρομολόγηση Και Πολύχρωματισμός Μονοπατιών Γραφημάτων ΚΑΡΑΓΕΩΡΓΟΣ ΤΙΜΟΘΕΟΣ Α.Μ 1026 Εισαγωγή. Το πρόβλημα με το οποίο θα ασχοληθούμε εδώ είναι γνωστό σαν: Δρομολόγηση και Πολύ-χρωματισμός Διαδρομών (Routing
Διαβάστε περισσότεραΥπολογιστική Πολυπλοκότητα
Υπολογιστική Πολυπλοκότητα Υπολογιστική πολυπλοκότητα αλγόριθµου Α: Ποσότητα υπολογιστικών πόρων που απαιτεί Α ως αύξουσα συνάρτηση µεγέθους στιγµιότυπου εισόδου. Χρόνος, µνήµη, επεξεργαστές, επικοινωνία,
Διαβάστε περισσότεραΕκλογή αρχηγού σε σύγχρονο δακτύλιο: Οι αλγόριθμοι LCR και HS. 1 Ο αλγόριθμος LCR (Le Lann, Chang, and Roberts)
Κ Σ Ι Εκλογή αρχηγού σε σύγχρονο δακτύλιο: Οι αλγόριθμοι LCR και HS Παναγιώτα Παναγοπούλου 1 Ο αλγόριθμος LCR (Le Lann, Chang, and Roberts) Ο αλγόριθμος LCR είναι ένας αλγόριθμος εκλογής αρχηγού σε ένα
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 9 P vs NP 1 / 13 Δυσκολία επίλυσης υπολογιστικών προβλημάτων Κάποια προβλήματα είναι εύκολα να λυθούν με
Διαβάστε περισσότεραΜεταγλωττιστές. Γιώργος Δημητρίου. Μάθημα 12 ο. Πανεπιστήμιο Θεσσαλίας - Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Γιώργος Δημητρίου Μάθημα 12 ο Βελτιστοποίηση Μετασχηματισμός κώδικα σε άλλον πιο αποδοτικό Ασφάλεια βελτιστοποίησης Ορθότητα μετασχηματισμών! Πολυπλοκότητα μετασχηματισμών Εντοπισμός πιθανά προβληματικού
Διαβάστε περισσότεραΕξαντλητική Απαρίθµηση
Υπενθύµιση Χαράκτηρίζουµε τους αλγόριθµους ως προς το χρόνο εκτέλεσης συναρτήσει της εισόδου Υπενθύµιση Χαράκτηρίζουµε τους αλγόριθµους ως προς το χρόνο εκτέλεσης συναρτήσει της εισόδου Ως µέτρο ϑεωρούµε
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 15 Ιουνίου 2009 1 / 26 Εισαγωγή Η ϑεωρία
Διαβάστε περισσότεραΜη γράφετε στο πίσω μέρος της σελίδας
Εισαγωγή στο Σχεδιασμό & την Ανάλυση Αλγορίθμων Εξέταση Φεβρουαρίου 2016 Σελ. 1 από 7 Στη σελίδα αυτή γράψτε μόνο τα στοιχεία σας. Γράψτε τις απαντήσεις σας στις επόμενες σελίδες, κάτω από τις αντίστοιχες
Διαβάστε περισσότεραΣειρά Προβλημάτων 1 Λύσεις
ΕΠΛ2: Θεωρία Υπολογισμού και Πολυπλοκότητα Σειρά Προβλημάτων Λύσεις Άσκηση Να βρείτε το σφάλμα στην πιο κάτω απόδειξη. Ισχυρισμός: Όλα τα βιβλία που έχουν γραφτεί στη Θεωρία Υπολογισμού έχουν τον ίδιο
Διαβάστε περισσότεραI 1 I 2 I 3 I 4 I 5 I 6 I 7 I 8 I 9 I 10 I 11
Αλγόριθμοι και Πολυπλοκότητα 2η Σειρά Γραπτών και Προγραμματιστικών Ασκήσεων CoReLab ΣΗΜΜΥ - Ε.Μ.Π. Δεκέμβριος 2016 (CoReLab - NTUA) Αλγόριθμοι - 2η σειρά ασκήσεων Δεκέμβριος 2016 1 / 65 Outline 1 Άσκηση
Διαβάστε περισσότεραΣχεδιαση Αλγοριθμων -Τμημα Πληροφορικης ΑΠΘ - Κεφαλαιο 9ο
Σχεδίαση Αλγορίθμων Άπληστοι Αλγόριθμοι http://delab.csd.auth.gr/~gounaris/courses/ad 1 Άπληστοι αλγόριθμοι Προβλήματα βελτιστοποίησης ηςλύνονται με μια σειρά επιλογών που είναι: εφικτές τοπικά βέλτιστες
Διαβάστε περισσότεραQuicksort [Hoare, 62] Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Quicksort 1
Quicksort [Hoare, 62] Αλγόριθµοι & Πολυπλοκότητα (Χειµώνας 2011) Quicksort 1 Quicksort [Hoare, 62] Στοιχείο διαχωρισµού (pivot), π.χ. πρώτο, τυχαίο, Αναδιάταξη και διαίρεση εισόδου σε δύο υπο-ακολουθίες:
Διαβάστε περισσότεραQuicksort. Πρόβλημα Ταξινόμησης. Μέθοδοι Ταξινόμησης. Συγκριτικοί Αλγόριθμοι
Πρόβλημα Ταξινόμησης Quicksort Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Είσοδος : ακολουθία n αριθμών (α 1, α 2,..., α n
Διαβάστε περισσότεραΕπίλυση Προβληµάτων µε Greedy Αλγόριθµους
Επίλυση Προβληµάτων µε Greedy Αλγόριθµους Περίληψη Επίλυση προβληµάτων χρησιµοποιώντας Greedy Αλγόριθµους Ελάχιστα Δέντρα Επικάλυψης Αλγόριθµος του Prim Αλγόριθµος του Kruskal Πρόβληµα Ελάχιστης Απόστασης
Διαβάστε περισσότεραΓ. Κορίλη Αλγόριθµοι ροµολόγησης
- Γ. Κορίλη Αλγόριθµοι ροµολόγησης http://www.seas.upenn.edu/~tcom50/lectures/lecture.pdf ροµολόγηση σε ίκτυα εδοµένων Αναπαράσταση ικτύου µε Γράφο Μη Κατευθυνόµενοι Γράφοι Εκτεταµένα έντρα Κατευθυνόµενοι
Διαβάστε περισσότεραΚεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιµότητα Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβληµα αναζήτησης (search problem) Ένα πρόβληµα αναζήτησης είναι ένα πρόβληµα στο
Διαβάστε περισσότεραΗ Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI)
Η Μέθοδος Αναθεωρηµένης Εκχώρησης (MODI) Ηµέθοδος MODIεπιτρέπει τον υπολογισµό των οριακών µεταβολών στο συνολικό κόστος µεταφοράς για κάθε µη επιλεγείσα διαδροµή µε αλγεβρικό τρόπο, χωρίς τη διαδικασία
Διαβάστε περισσότεραΟρισµός. Εστω συναρτήσεις: f : N R και g : N R. η f(n) είναι fi( g(n) ) αν υπάρχουν σταθερές C 1, C 2 και n 0, τέτοιες ώστε:
Συµβολισµός Ω( ) Τάξη των Συναρτήσεων () Εκτίµηση Πολυπλοκότητας Αλγορίθµων Ορέστης Τελέλης telelis@unipi.gr Ορισµός. Εστω συναρτήσεις: f : N R και g : N R η f(n) είναι Ω( g(n) ) αν υπάρχουν σταθερές C
Διαβάστε περισσότεραΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ
ΕΝΟΤΗΤΑ III ΒΑΣΙΚΕΣ ΜΕΘΟ ΟΙ ΑΝΑΛΥΣΗΣ Βασικός τελικός στόχος κάθε επιστηµονικής τεχνολογικής εφαρµογής είναι: H γενική βελτίωση της ποιότητας του περιβάλλοντος Η βελτίωση της ποιότητας ζωής Τα µέσα µε τα
Διαβάστε περισσότεραΘΕΩΡΙΑ ΑΡΙΘΜΩΝ. Ασκησεις - Φυλλαδιο 4. ιδασκων: Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος :
ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Τµηµα Β Ασκησεις - Φυλλαδιο 4 ιδασκων: Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/numbertheory/nt2015/nt2015.html ευτέρα 30 Μαρτίου 2015 Ασκηση 1. Να ϐρεθούν όλοι
Διαβάστε περισσότεραΑκέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Διαβάστε περισσότεραΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων
ΠΛΗ 20, 5 η ΟΣΣ: Θεωρία Γραφημάτων Δημήτρης Φωτάκης Διακριτά Μαθηματικά και Μαθηματική Λογική Πληροφορική Ελληνικό Ανοικτό Πανεπιστήμιο 4 η Εργασία: Γενική Εικόνα Πολύ ενθαρρυντική εικόνα. Σαφώς καλύτερη
Διαβάστε περισσότεραΔομές Δεδομένων & Αλγόριθμοι
Δομές Δεδομένων & Αναζήτηση & Ταξινόμηση 1 Αναζήτηση Έχω έναν πίνακα Α με Ν στοιχεία. Πρόβλημα: Βρες αν το στοιχείο x ανήκει στον πίνακα Αν ο πίνακας είναι αταξινόμητος τότε μόνη λύση σειριακή αναζήτηση
Διαβάστε περισσότεραΕπαγωγή και αναδρομή για άκυκλα συνεκτικά γραφήματα
ΘΕ4 Αναδρομή και Επαγωγή για Γραφήματα Επαγωγή και αναδρομή για άκυκλα συνεκτικά γραφήματα Επαγωγή για άκυκλα συνεκτικά γραφήματα (με αφαίρεση κορυφής) Η αρχή της επαγωγής, με αφαίρεση κορυφής, για δεδομένη
Διαβάστε περισσότεραΔομές Δεδομένων & Αλγόριθμοι
- Πίνακες 1 Πίνακες Οι πίνακες έχουν σταθερό μέγεθος και τύπο δεδομένων. Βασικά πλεονεκτήματά τους είναι η απλότητα προγραμματισμού τους και η ταχύτητα. Ωστόσο δεν παρέχουν την ευελιξία η οποία απαιτείται
Διαβάστε περισσότεραΑσυμπτωτικός Συμβολισμός
Ασυμπτωτικός Συμβολισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Υπολογιστική Πολυπλοκότητα Υπολογιστική πολυπλοκότητα αλγόριθμου Α: Ποσότητα
Διαβάστε περισσότεραΓενικευµένη Simplex Γενικευµένη Simplex
Πρόβληµα cutting stock Λογικά µεγέθη (20 περιορισµοί, 24000 µεταβλητές) Πρόβληµα cutting stock Λογικά µεγέθη (20 περιορισµοί, 24000 µεταβλητές) Μεγάλα µεγέθη (30 περιορισµοί, 190000 µεταβλητές) Πρόβληµα
Διαβάστε περισσότεραΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 1 Βελτιστοποίηση Στην προσπάθεια αντιμετώπισης και επίλυσης των προβλημάτων που προκύπτουν στην πράξη, αναπτύσσουμε μαθηματικά μοντέλα,
Διαβάστε περισσότεραΕνότητα 1: Εισαγωγή Ασκήσεις και Λύσεις
Ενότητα 1: Εισαγωγή Ασκήσεις και Λύσεις Άσκηση 1 Αποδείξτε τη µεταβατική και τη συµµετρική ιδιότητα του Θ. Λύση Μεταβατική Ιδιότητα (ορισµός): Αν f(n) = Θ(g(n)) και g(n) = Θ(h(n)) τότε f(n)=θ(h(n)). Για
Διαβάστε περισσότεραΣτην ενότητα αυτή θα µελετηθούν τα εξής θέµατα:
υναµικός Προγραµµατισµός Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Σχεδιασµός αλγορίθµων µε υναµικό Προγραµµατισµό Το πρόβληµα του πολλαπλασιασµού πινάκων ΕΠΛ 3 Αλγόριθµοι και Πολυπλοκότητα 3- υναµικός
Διαβάστε περισσότεραΑκέραιος Γραµµικός Προγραµµατισµός
Μέγιστο Ανεξάρτητο Σύνολο Μέγιστο Ανεξάρτητο Σύνολο Εφαρµογές : Παράλληλη εκτέλεση εργασιών Χρονοπρογραµµατισµός (scheduling) Ανάθεση πόρων (resource allocation) Πρόβληµα k-ϐασιλισσών Τηλεπικοινωνίες Μέγιστο
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ενότητα 4 Απληστοι Αλγόριθµοι Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αλγόριθµοι και Πολυπλοκότητα - Ενότητα 4 1 / 91 Απληστοι Αλγόριθµοι
Διαβάστε περισσότεραΕ ανάληψη. Α ληροφόρητη αναζήτηση
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Το ική Αναζήτηση Local Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Α ληροφόρητη αναζήτηση σε πλάτος, οµοιόµορφου κόστους, σε βάθος,
Διαβάστε περισσότεραQuicksort. Επιμέλεια διαφανειών: Δ. Φωτάκης Μικροαλλαγές: Α. Παγουρτζής. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Quicksort Επιμέλεια διαφανειών: Δ. Φωτάκης Μικροαλλαγές: Α. Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Quicksort [Hoare, 6] Στοιχείο διαχωρισμού (pivot),
Διαβάστε περισσότερα6 η ΕΝΟΤΗΤΑ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 6 η ΕΝΟΤΗΤΑ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες Χρήσης Creative
Διαβάστε περισσότεραQuicksort. ημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο
Quicksort ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Quicksort [Hoare, 62] Στοιχείο διαχωρισμού (pivot), π.χ. πρώτο, τυχαίο, Αναδιάταξη και διαίρεση
Διαβάστε περισσότεραΚεφάλαιο 1. Πέντε Αντιπροσωπευτικά Προβλήματα. Έκδοση 1.4, 30/10/2014. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 1 Πέντε Αντιπροσωπευτικά Προβλήματα Έκδοση 1.4, 30/10/2014 Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 1.2 Πέντε Αντιπροσωπευτικά Προβλήματα 1. Χρονοπρογραμματισμός Διαστημάτων
Διαβάστε περισσότεραΠροσεγγιστικοί Αλγόριθμοι
Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. http://xkcd.com/287/ Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. Πως μπορούμε να αντιμετωπίσουμε το γεγονός ότι είναι απίθανη(;)
Διαβάστε περισσότεραΔυναµικός Προγραµµατισµός (ΔΠ)
Δυναµικός Προγραµµατισµός (ΔΠ) Περίληψη Δυναµικός Προγραµµατισµός Αρχή του Βέλτιστου Παραδείγµατα Δυναµικός Προγραµµατισµός ΔΠ (Dynamic Programming DP) Μέθοδος σχεδιασµού αλγορίθµων Είναι µια γενική µεθοδολογία
Διαβάστε περισσότεραBranch and Bound. Branch and Bound
Μέθοδος επίλυσης προβληµάτων ακέραιου γραµµικού προγραµµατισµού Μέθοδος επίλυσης προβληµάτων ακέραιου γραµµικού προγραµµατισµού Προσπαθούµε να αποφύγουµε την εξαντλητική αναζήτηση Μέθοδος επίλυσης προβληµάτων
Διαβάστε περισσότεραΕφαρμοσμένη Βελτιστοποίηση
Εφαρμοσμένη Βελτιστοποίηση Ενότητα 1: Το πρόβλημα της βελτιστοποίησης Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το
Διαβάστε περισσότεραΚεφάλαιο 5. Ανάλυση αλγορίθμων
Κεφάλαιο 5 Ανάλυση αλγορίθμων 5.1 Γενικός διδακτικός σκοπός Ο γενικός σκοπός του κεφαλαίου είναι να κατανοήσουν οι μαθητές τις τεχνικές ανάλυσης των αλγορίθμων και να εξοικειωθούν με την έννοια της πολυπλοκότητας
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 23 Μαρτίου 2017 1 / 20 Επιλογή Το πρόβληµα
Διαβάστε περισσότεραΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4
ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 4 ιδασκοντες: Ν. Μαρµαρίδης - Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/numbertheory/nt2014/nt2014.html https://sites.google.com/site/maths4edu/home/14
Διαβάστε περισσότερα